Подберите ИИ-инструменты под свою задачу.
Инструменты по задачамПошаговых руководств: 26→Все категорииПо задачам
ИИ-функция, которая работает в демо, — небольшая часть задачи. Демо — это один запрос, одна модель и пять удобных вводных. Продукт — это то же самое, но для тысяч непредсказуемых пользователей, с вашими данными за спиной, счётом, который растёт вместе с использованием, и необходимостью знать, когда ответы становятся хуже.
Поэтому стек состоит из слоёв. Модель, к которой обращаются через API или которую размещают у себя. Промпты, версии которых хранятся как код. Поиск и память, чтобы модель отвечала по вашему содержимому, а не наугад. Возможно, цикл агента с инструментами, которые он вправе вызывать. Обычный код приложения вокруг всего этого, затем тесты, оценка и место для развёртывания.
Кодирующие агенты уже пишут значительную часть кода приложения, а конструкторы приложений могут создать рабочий интерфейс по описанию. Но инженерное суждение они не заменяют: какая модель достаточно хороша для задачи при приемлемой цене, как измерить качество раньше пользователей, какие данные могут покидать вашу систему и что происходит, когда модель уверенно ошибается. Модели и их условия к тому же часто меняются, поэтому проектируйте приложение так, чтобы модель можно было заменить без переписывания.
Для кого это руководство Разработчики, технические основатели и небольшие продуктовые команды, которые добавляют в продукт функцию на основе языковой модели или создают вокруг неё новое приложение и хотят увидеть карту инструментов до выбора стека.
Типичный первый проход для прототипа: сравнить модели на собственных промптах, написать код с агентом, рано добавить трассировку, затем развернуть. Инструменты идут в этом порядке, а не по рейтингу.
Превратите черновое описание задачи в структурированный промпт и проверьте его на двадцати реальных входных данных.
Опишите самую маленькую версию функции и просмотрите план, прежде чем принимать какие-либо изменения.
Включите трассировку с первого прототипа, чтобы каждый плохой ответ превращался в тестовый случай.
Подключите репозиторий и отправьте ссылку на предпросмотр пятерым тестовым пользователям.
Вы решаете, какую модель или модели будет вызывать приложение, взвешивая качество результата на вашей задаче, скорость, размер контекста, стоимость запроса, требования к конфиденциальности и то, нужен ли размещённый API или открытая модель, которую вы запускаете сами.
Offers its language models through a token-billed API that accepts OpenAI-style and Anthropic-style requests, with JSON output and tool calls.
Компания по исследованиям в области ИИ: чат-ассистент, настольная программа Harness и API с оплатой за токены для её языковых моделей.
Runs open-source models inside secure hardware enclaves and exposes them through an OpenAI-compatible API, for apps that handle sensitive data.
Закрытое облако ИИ, где модели работают внутри защищённых аппаратных анклавов: чат-приложение, API для инференса и контейнеры.
До написания кода приложения вы отрабатываете инструкции: системный промпт, примеры, формат ответа. Вы пробуете их на реальных входных данных, в том числе неудобных, и сохраняете каждую версию, чтобы изменения можно было сравнивать.
Превращает короткий черновой запрос в чёткий структурированный промпт и хранит каждый промпт в библиотеке с поиском для повторного использования.
Генератор промптов, который превращает сырой запрос в структурированный промпт для ChatGPT, Claude, Gemini и других моделей.
Analyzes a prompt for strengths and weaknesses, rewrites it in rounds and records each version so earlier ones can be recovered.
Рабочее пространство для промптов: создание, анализ, оптимизация и восстановление промптов для текстовых, графических и видеомоделей.
Вы подключаете приложение к моделям так, чтобы оно выдерживало работу в продакшене: ключи хранятся на сервере, есть повторные попытки и запасные варианты на случай сбоя провайдера, лимиты запросов, учёт расходов и хостинг GPU, если вы сами обслуживаете открытую модель.
Его AI Gateway направляет запросы ко многим ИИ-моделям через один сервис, с запасными вариантами, балансировкой нагрузки, повторными попытками и мониторингом расходов.
Облачная платформа для развёртывания веб-приложений и ИИ-агентов: ИИ-шлюз, песочницы, рабочие процессы и глобальная CDN.
Serves LLMs and media models through endpoints on autoscaling GPU containers that scale to zero when idle.
Бессерверная облачная платформа для запуска ИИ-инференса, обучения, песочниц и пакетных задач на GPU.
Documents how to call its models from application code and coding agents, with thinking mode that can be switched off per request.
Компания по исследованиям в области ИИ: чат-ассистент, настольная программа Harness и API с оплатой за токены для её языковых моделей.
Большинство полезных приложений отвечают по конкретному содержимому: вашей документации, файлам клиента, живому вебу, прошлым разговорам. Вы загружаете и индексируете это содержимое, для каждого запроса находите нужные фрагменты и передаёте их модели вместе с источниками.
Ищет, собирает и обходит сайты через API и возвращает Markdown или структурированный JSON, подходящий для конвейеров поиска.
API для веб-данных: ищет, собирает, обходит сайты и взаимодействует с ними, а затем возвращает чистый результат для ИИ-приложений.
Хранит и индексирует эмбеддинги в базе данных Postgres, чтобы приложение могло выполнять поиск по сходству с выбранными моделями.
Платформа разработки на Postgres с аутентификацией, готовыми API, edge-функциями, Realtime, хранилищем и векторными эмбеддингами.
Загружает документацию, тикеты и вики и предлагает Retrieval API, который по запросу возвращает релевантные фрагменты с URL источников.
Платформа сбора и поиска, которая превращает документацию, тикеты и вики компании в ИИ-агентов и поисковый API.
Builds a per-user graph of dated facts from data and conversations and returns the context a task needs in one call.
Слой контекста и памяти для ИИ-агентов: строит управляемые графы знаний из бизнес-данных, документов и диалогов.
Если приложение должно не только отвечать, но и действовать, вы строите цикл агента: модель решает, какой инструмент вызвать, ваш код выполняет вызов и возвращает результат. Вы определяете инструменты, их права и случаи, когда нужно подтверждение человека.
Предоставляет открытые библиотеки langchain, langgraph и deepagents для написания агентов с разной степенью контроля.
Открытые фреймворки для ИИ-агентов и платформа LangSmith для трассировки, оценки и развёртывания агентов.
Publishes ordinary Python functions as MCP tools, generating their schemas and handling validation, transport and authentication.
Фреймворк на Python для создания серверов, клиентов и интерактивных приложений на Model Context Protocol.
Подключает агента к MCP-серверам из каталога и управляет OAuth, учётными данными и сессиями для этих подключений.
Реестр и слой подключения, который связывает ИИ-агентов с MCP-серверами и берёт на себя OAuth и учётные данные.
Вокруг модели находится обычное приложение: маршруты API, модели данных, аутентификация, фоновые задачи, интерфейс. Вы пишете, проверяете и тестируете этот код, всё чаще поручая задачи кодирующему агенту и просматривая его изменения.
Принимает задачу разработки в письменном виде, изучает кодовую базу, предлагает план и вносит изменения, которые вы можете принять или доработать.
ИИ-агент для программирования и редактор кода: планирует, пишет и проверяет код на компьютере, в терминале и в облаке.
Планирует задачи программирования, редактирует файлы, запускает тесты и открывает pull request в вашем репозитории, спрашивая разрешения перед изменением файлов или выполнением команд.
ИИ-агент для программирования от Anthropic: планирует, правит код, запускает тесты и открывает пул-реквесты из терминала или IDE.
Runs as an open source coding agent in the terminal, desktop or IDE and connects to many model providers, including locally hosted models.
ИИ-агент для программирования с открытым исходным кодом для терминала, десктопа и IDE, работающий с моделями многих провайдеров.
Проверяет каждый pull request комментариями к отдельным строкам и предложениями, которые можно применить сразу, что помогает, когда значительная часть кода написана агентами.
ИИ-ревью кода, которое комментирует каждый pull request, а также сортирует запросы, объясняет изменения и следит за безопасностью.
Некоторым приложениям нужно больше, чем текст: голосовые ответы, транскрибация, голосовой диалог в реальном времени, созданные изображения или ролики. Это отдельные модели со своими API, бюджетами задержки и правилами использования.
Supplies realtime text-to-speech, speech-to-text and a speech-to-speech API that streams audio over one WebSocket or WebRTC link.
Платформа голосового ИИ реального времени: синтез речи, распознавание речи, API «речь в речь» и маршрутизация LLM.
Предоставляет инфраструктуру WebRTC и поддерживает Pipecat — открытый фреймворк для оркестрации голосовых ИИ-агентов в реальном времени.
Платформа для разработчиков: голос, видео и ИИ-агенты в реальном времени на инфраструктуре WebRTC и с открытым фреймворком Pipecat.
Открывает свои модели генерации видео и изображений через API для разработчиков с документацией и маршрутизатором моделей.
ИИ-платформа для создания и редактирования видео, изображений и звука с API для разработчиков и моделями мира.
Вы собираете тестовый набор из реальных входных данных, оцениваете результаты перед каждым изменением, а после запуска трассируете каждый запрос, чтобы видеть сбои, стоимость и задержки. То, что автоматическая оценка не может судить, проверяют люди.
Его платформа LangSmith записывает каждый шаг работы агента, создаёт наборы данных из реальных трасс и запускает онлайн- и офлайн-оценки.
Открытые фреймворки для ИИ-агентов и платформа LangSmith для трассировки, оценки и развёртывания агентов.
Запускает ИИ-оценщиков против чат- и голосовых агентов, чтобы до релиза проверить галлюцинации, предвзятость, токсичность и проблемы соответствия требованиям.
Облако для тестирования ПО, прежде LambdaTest: ИИ-агенты планируют, пишут и запускают тесты для веб-, мобильных и ИИ-приложений.
Его ИИ-наблюдаемость отслеживает события, порождаемые вызовами моделей в приложении, рядом с записями сессий и отслеживанием ошибок для остальной части приложения.
Платформа данных о продукте: аналитика, запись сессий, фича-флаги, отслеживание ошибок и хранилище данных, а сверху — ИИ.
Приложению нужны интерфейс, учётные записи пользователей, хостинг, домен и процесс релизов с предпросмотром и откатом. Для прототипа или внутреннего инструмента всё это можно сгенерировать, а для продукта это продуманная инженерная работа.
Собирает и разворачивает проект при каждой отправке в Git, даёт каждому изменению отдельный адрес предпросмотра и позволяет мгновенно откатиться.
Облачная платформа для развёртывания веб-приложений и ИИ-агентов: ИИ-шлюз, песочницы, рабочие процессы и глобальная CDN.
Создаёт веб-приложение по описанию на обычном языке с живым предпросмотром, а хостинг и аутентификацию берёт на себя на своей платформе.
ИИ-конструктор приложений и сайтов, который превращает описание простыми словами в готовое full-stack-приложение.
Создаёт веб-приложение по запросу, синхронизирует код с GitHub и публикует его в продакшене.
ИИ-конструктор приложений от Vercel: превращает запросы в полноценные веб-приложения и публикует их.
Обрабатывает регистрацию и вход и открывает таблицы базы данных через REST-эндпоинты, так что у приложения есть бэкенд без собственного серверного кода.
Платформа разработки на Postgres с аутентификацией, готовыми API, edge-функциями, Realtime, хранилищем и векторными эмбеддингами.
Начните с размещённого API, если нет явной причины поступить иначе. На нём быстрее строить, и не нужно заниматься эксплуатацией GPU. Запускать открытую модель самостоятельно имеет смысл, когда данные должны оставаться в вашей среде, когда нужно дообучение или когда объём настолько велик, что собственные вычисления обходятся дешевле. Многие команды делают прототип на API и возвращаются к выбору, когда становится известен объём использования.
Часто нет. Один вызов модели с хорошими инструкциями и найденным контекстом покрывает многие функции: резюмирование, классификацию, извлечение, ответы по документам. Фреймворк оправдывает себя, когда модели нужно выбирать между инструментами, выполнять несколько шагов, хранить состояние или восстанавливаться после сбоев. Если подключить его рано, добавятся и новые понятия, которые придётся отлаживать, поэтому начните с простого и переходите к фреймворку, когда простого подхода станет мало.
Прототип или внутренний инструмент — да. Конструкторы приложений из этого руководства создают по описанию рабочее веб-приложение со входом и хостингом. Продукт, который работает с данными клиентов и платежами, — другое дело: кто-то должен разбираться в безопасности, стоимости и обработке сбоев. Разумный путь — сделать прототип без кода, проверить на реальных пользователях и привлечь разработчика до масштабирования.
Соберите набор реальных входных данных, запишите, как выглядит правильный ответ для каждого, и оценивайте систему по нему перед каждым изменением. Включите трудные и намеренно провокационные случаи. Сочетайте автоматические проверки с ручной проверкой выборки. Запустите для небольшой группы с включённой трассировкой, прочитайте сбои и расширяйте доступ по мере того, как доля ошибок становится приемлемой для вашей задачи.
Инструменты распределяет по этапам редакция, опираясь на карточку каждого из них. Список пополняется по мере публикации новых карточек. Все руководства
